Иллюстрация OpenLex
Статья3 мин чтения1

Как Мазуков готовит процессуальные документы с помощью ИИ-агентов

Юрист демонстрирует создание отзыва на иск с использованием ИИ-агента, работающего с файлами дела. Материал охватывает настройку инструментов и методы проверки данных.

Редакция OpenLex· 2 часа назад

Главное

  • Стиль и форматирование итогового документа закрепляются в скилле, созданном на основе идеального отзыва юриста.

В прошлом материале мы обсуждали штрафы за «галлюцинации» ИИ в судах, один из которых выписали за отзыв, созданный «с помощью специальной программы». Теперь посмотрим, как на практике собрать процессуальный документ, не попадая в подобные ситуации. Примером служит учебное дело (названия и реквизиты вымышлены): поставщик кабеля требует взыскать с покупателя 192 998,59 руб., удержанные в счет пени за просрочку, а мы готовим отзыв на стороне покупателя.

Инструменты и подготовка папки

В отличие от обычного чата, агенту дают доступ к папке с материалами дела, и он сам читает PDF, сканы и файлы Word, разбивая работу на шаги. Перед запуском рекомендуется скопировать материалы в отдельную рабочую папку, чтобы сохранить оригиналы нетронутыми. Включают обход запросов разрешений, чтобы агент не прерывался на подтверждение каждого действия, и выбирают модель Opus 5.5 с уровнем усилий «Сверхвысокий» или «Максимальный».

В папку складывают иск, приложения и ранее поданные документы. Чтобы агент не терял контекст между сессиями, создают файл-памятку CLAUDE.md с сутью спора и правилами работы. При необходимости подключения судебной практики используют сервис Casus Legal через MCP, что позволяет нейросети брать цитаты из настоящих актов.

Скиллы и проверка качества

Для сохранения авторского стиля и верстки создают «скилл» — готовую инструкцию для ИИ. Модель анализирует идеальный отзыв юриста и формирует файл с правилами форматирования и структуры. Скилл дорабатывают итерациями, пока результат не устроит. В учебном деле на основе такого скилла получился четырехстраничный отзыв с расчетом пени и фрагментом письма, где истец признает просрочку.

Главная уязвимость нейросетей — расчеты, ссылки и «ИИшность» текста. Чтобы снизить риск ошибок, проверки поручают отдельным субагентам: один сверяет нормы с текстом закона, другой пересчитывает пеню через скрипт, третий проверяет наличие приложений в папке, четвертый — даты и суммы. В примере третий субагент заметил отсутствие файлов квитанции и описи, а четвертый указал, что дата поставки взята из переписки из-за отсутствия УПД.

Для финальной полировки в скилл добавляют ограничения: приводить нормы цитатами в строгом порядке, строить абзацы по схеме «позиция истца — ответ — факт — документ — вывод» и избегать канцеляризмов. Оставшиеся минусы метода — быстрое расходование лимитов на сложных делах, необходимость VPN и риск блокировки аккаунтов за нарушение пользовательских соглашений. Также стоит заранее обезличивать персональные данные, так как агент считывает всю папку целиком.

Статья редакции OpenLex. Текст подготовлен с помощью ИИ и сверен с источниками; юридическую силу имеет текст акта. © OpenLex — при цитировании ссылка на openlex.ru обязательна.

Источники

Реакции анонимны: видны только числа.

Обсуждение

Чтобы участвовать в обсуждении, войдите в аккаунт.

    Обсуждения пока нет. Скажите первым, что здесь важно для практики.

    Читайте также